📌머신러닝 학습과제 야구 선수 연봉 예측
개요
- 과거 야구 프로리그의 전설이라고 불리는 최동원이 기존의 실력으로 현역이었다면 어느 정도의 연봉을 받았을까?
목표
- 2015년 ~ 2020년 최동원 선수의 연봉 예측
제한사항
- 포지션이 투수인 데이터만 사용
- 최동원의 롯데 시절인 1983년 ~ 1988년 데이터 사용
- 최근년도를 2015년 ~ 2020년으로 정의하고 해당연도 데이터 사용
절차
- 1) 데이터 수집 사이트 탐색
- 2) 데이터 수집
- 3) 데이터 전처리
- 4) 데이터 모델링
- 5) 최동원 연봉 예측
참고사이트
데이터출처
- https://www.koreabaseball.com/Record/Player/PitcherBasic/BasicOld.aspx?sort=ERA_RT
- http://www.statiz.co.kr/salary.php?opt=0&sopt=1997&te=
1) 데이터 수집 사이트 탐색
- ChatGPT를 통해서 한국 프로야구 선수의 정보 사이트를 추천받는다
사용자 : 한국 프로야구 선수들의 연봉 사이트를 알려줘.
ChatGPT : 한국 프로야구 선수들의 연봉 정보를 알 수 있는 웹사이트가 여럿 있다.
- 한국야구위원회(KBO) 공식사이트
- 연봉 정보를 비롯해 리그 내 선수와 팀에 대한 다양한 통계와 데이터를 제공
- Spotrac
- KBO를 비롯한 다양한 프로 스포츠 리그 선수들의 계약 및 급여를 추적하고 분석하는 웹사이트
- 웹사이트는 선수의 급여, 계약 기간 및 기타 관련 정보에 대한 데이터를 제공
- Baseball-Reference
- KBO를 비롯한 전 세계 야구 선수에 대한 풍부한 데이터와 통계를 제공하는 또 다른 웹사이트
- 모든 선수의 급여 정보가 제공되지 않을 수 있지만 웹 사이트는 일부 한국 야구 선수의 급여 정보를 제공
- Statiz
- KBO를 중심으로 한 야구 통계 및 분석 전문 사이트
- 웹사이트는 일부 선수의 급여 정보를 포함하여 선수 성과에 대한 데이터를 제공
위의 정보 중 2. Spotrac과 3. Baseball-Reference는 외국사이트이므로 배제
데이터 수집 사이트 선정
KBO
- 해당 사이트에서는 1983년부터 선수명, 팀명, 평균자책점, 경기, 완투 등 정보를 얻을 수 있다.
Statiz
- 년도별 선수들의 연봉을 알 수 있다. 단, 1997 이전의 데이터는 없다.
2) 데이터 수집
2-1) 1983년 ~ 1988년
- KBO사이트에서 셀레니움을 통해 선수 경기 데이터 수집
2-2) 2015년 ~ 2020년
- KBO사이트에서 셀레니움을 통해 선수 경기 데이터 수집
- 참고사항 : 과거데이터외 최근데이터의 칼럼이 동일하지 않음
2-3) 2015년 ~ 2020년 연봉데이터
pd.read_html(url)을 활용해서 2015년~2020년 연봉데이터 수집- 참고사항 : statiz의 데이터는 년도별로 URL이 지정되어 있음
3) 데이터 전처리
3-1) 선수 데이터 통합
- 1983년~1988년 데이터와 2015년~2020년 데이터의 칼럼이 다르므로 최신 데이터의 칼럼을 기준으로 데이터 통합
- 연봉 Nan값은 0으로 채움
3-2) 칼럼 제거
- '팀명'은 능력 중심의 회귀분석에 방해될 것으로 판단하여 제거
- '이닝'은 수치적으로 표기하기 힘들 것으로 판단하여 제거
- '평균자책점'의 자료형인 float로 통일
3-3) 중간점검
- 1997년 미만으로 연봉데이터 없음
- 1997년 이후 선수만 연봉데이터를 얻을 수 있음
- 연봉데이터를 가지고 있는 2015~2020년 데이터만 학습데이터로 선정
- 선형회귀 모델 학습 후 1983년 ~ 1988년 데이터로 연봉 예측
4) 모델 학습
4-1) 1차 : 활용가능한 모든 칼럼 사용
상관관계 확인
2015~2020년 예측-그래프
2015~2020년 예측-수치
array([107088.47066919, 54976.89841497, 87776.42874094, 63861.43372787,
103368.90717145, 72123.04780289, 134803.32450465, 101228.72716234,
70619.74460911, 73215.52639044, 117534.36940416, 28835.51151908,
49240.97999959, 60125.02862199, 108341.62967017, 119381.86756884,
50000. , 93857.21666141, 87996.98564853, 66376.72148488,
79029.649173 , 106566.04578118, 76606.31173648, 102540.07153383,
32692.54907672, 84608.40799629, 77717.76995121, 124108.82592246,
49263.08210107, 142807.66656453, 94166.60332737, 123381.40471835,
61432.48192027, 60883.25192367, 111724.65484062, 74742.05207874,
54219.7897336 , 112297.84584109, 87597.33959396, 96330.95134117,
87850.83755312, 32090.47588954, 95184.06025388, 55415.57589874,
67353.8381946 , 100815.07207715, 84814.2904762 , 66419.15580697,
111518.5530393 , 41686.66216084, 119138.54533886, 95867.27319179,
37976.0851909 ])1983~1988년 예측-수치
- 정말 놀랍게도 연봉예측인데 음수가 존재
array([-2.28374867e+05, -1.59012900e+05, -3.24249655e+05, 4.39379687e+04,
-2.16021215e+05, 1.66310322e+03, 6.38666449e+04, -9.97837792e+05,
-2.67143686e+05, 1.19612434e+04, -1.65033596e+05, -2.29274304e+05,
-2.17688027e+04, -2.03748106e+05, 3.90463380e+03, -4.79435493e+05,
-6.14459687e+04, 4.93983953e+04, 5.41879257e+04, -2.36074500e+05,
4.20244867e+04, -1.79899574e+05, -1.07021777e+05, -9.85151386e+04,
6.78924997e+04, -6.89691714e+04, -2.25593248e+05, -1.15259254e+05,
3.37679053e+04, -1.15229194e+04, -1.71171713e+06, -1.68874487e+05,
-4.59300930e+05, 6.48042039e+04, -1.75069801e+04, -8.50175433e+04,
-1.25530272e+05, -1.82075126e+04, -2.84454768e+05, 1.65499906e+04,
-1.05415171e+05, -3.11483810e+05, -1.38098888e+05, -1.32489825e+05,
3.85577012e+04, -2.13996336e+05, -5.99549423e+05, -8.91177353e+04,
-1.16959719e+04, -5.58835607e+05, -4.41509848e+05, -5.59773146e+05,
-1.26988880e+05, -1.26365635e+05, 1.97853389e+04, 2.27626464e+04,
-6.06007239e+04, 1.20586923e+05, -1.22040036e+05, -3.56137436e+04,
3.75206501e+04, -2.28055584e+05, -2.74717612e+05, 7.19350818e+04,
3.24354966e+04, -1.16333141e+04, -4.43337546e+05, -1.09022799e+04,
-6.93429968e+04, -1.81646679e+06, -4.06492593e+04, 1.56239797e+04,
-1.12563985e+05, -1.37275149e+05, -5.27074987e+05, -1.36005884e+05,
-1.94061284e+05, -2.63889260e+05, 6.25447191e+04, -4.89776170e+04,
-1.79309529e+06, 8.17296961e+04, -1.56376671e+05, -4.85504184e+05,
-8.42153840e+04, -1.27813215e+05, 4.56279086e+04, -2.07641045e+05,
4.81708352e+04, -3.17979053e+05, -1.31086133e+06, -1.95582943e+05,
-2.74265803e+05, 2.40501379e+04, 2.33921410e+04, 5.80338380e+04,
4.78027724e+04, 8.51869912e+04, 1.21782506e+04, -2.85492876e+05,
...
-6.79951956e+04, -8.10567196e+04, -6.45279072e+04, -7.58148141e+04,
4.96645124e+04, 2.43578592e+03, -1.24771610e+05, -6.50486805e+04,
5.99112558e+03, -1.37221855e+05, -6.96204383e+04, -8.08384170e+04,
-4.21813098e+04, -1.71034039e+04, -1.94928391e+05, -4.74628410e+04,
-6.30071407e+04, 8.78898642e+04, -1.33331931e+05])최동원 연봉 예측
array([-165033.59561714, -225593.24829007, -441509.84793677,
62544.71909179, 8445.25843952])4-2) 2차 : 계수가 높은 칼럼만 활용
상관관계 확인
- 연봉과 상관관계가 0.2이상인 칼럼은 경기, 승리, 피안타, 사구, 삼진 이다.
2015~2020년 예측-그래프
1983~1988년 예측-수치
array([ 38523.36820851, 201123.64886126, 29243.51472987, 35027.27705415,
68030.91858418, 20844.78517238, 87953.77153886, 17063.53469514,
120314.8602215 , 69221.52221705, 83710.86296033, 41007.06021256,
89323.97583971, 24489.31541743, 42057.77676689, 18204.84011079,
33993.10995829, 51895.20036756, 44406.48958362, 16860.14328014,
20836.74922841, 34209.40220606, 10940.88162989, 6796.32681638,
61400.11961928, 105644.16496049, 143774.07709486, 42693.26799866,
23057.72762287, 58621.73799008, 45193.73917015, 42502.59789874,
67651.44717156, 52186.4846837 , 47700.60812492, 82313.99191523,
8212.16097009, 90462.4126704 , 23352.83047054, 39321.85694793,
30117.19444032, 116638.51297795, 26462.56401425, 30492.35938745,
13322.57390208, 59605.62260526, 45892.58134778, 5853.42160219,
44887.40486537, 35376.47054463, 103048.28713699, 109909.07108925,
21794.60721205, 42861.4961554 , 31810.70531282, 27380.20057016,
59090.60334651, 122508.51069379, 14417.04872925, 27169.7955107 ,
30782.88228349, 62194.56214899, 43818.78439864, 53639.78413768,
28522.33090454, 11451.02069135, 11368.30972981, 54973.92564395,
25549.77822449, 44865.04152075, 28733.5337126 , 24357.16867592,
27396.7321359 , 18756.89561944, 53579.94685823, 53309.23149365,
106698.57770703, 128937.69308977, 135327.05112947, 79784.02385886,
30836.48889271, 78929.42992638, 44728.05092964, 20442.59456032,
63606.70464492, 76891.50925017, 61006.07287427, 21145.59485172,
77075.72532524, 32318.90949973, 38060.98435789, 34251.69617535,
29308.57340022, 19038.41804433, 34350.13888914, 45488.59452039,
44309.36551463, 50965.61596765, 23590.06821466, 29553.44206161,
...
123814.35046889, 51317.33436949, 34008.04483499, 66650.7453256 ,
36958.19136176, 36213.18301553, 29086.210157 , 41027.27070139,
25561.56973994, 66109.83784747, 11447.09586731, 4541.12220987,
27283.75449468, 39158.80511479, 30340.59432467, 47932.74824828,
20191.48931675, 54303.33357539, 24580.49644631])최동원 연봉 예측
array([ 83710.86296033, 143774.07709486, 103048.28713699, 135327.05112947,
114195.74895088])